matlab多项式与非多项式拟合

拟合标准：

(1)原始数据向量与拟合向量之间的距离最小，该距离的度量一般使用误差平方和表示，即均方误差：R=||Q-Y||²₂

(2)当均方误差最小时，说明构造的拟合向量与原始向量最为接近，这种曲线拟合的方法称为最小二乘法

(3)计算均方误差最小时的拟合系数，可以通过微积分中求解极值的方法实现

 

多项式拟合

(1)  多项式拟合在matlib中可以使用ployfit函数求解多项式系数，通过ployval函数求解拟合多项式在某数据点处的值

(2)  比如：拟合正弦函数曲线，使用4次多项式拟合

程序如下：

x0 = -pi:0.1:pi;

y0 = sin(x0);

p0 = polyfit(x0,y0,4);

y1 = polyval(p0,x0);

plot(x0,y0,x0,y1,’r’);

poly2sym(p0)%得到表达式

 

x1 = -1:0.2:1;

y1 = 1./(1 + 25*x1.^2);

x0 = -1:0.01:1;

y0 = 1./(1 + 25*x0.^2);

p3 = polyfit(x1,y1,3);%拟合成三次多项式

p5 = polyfit(x1,y1,5);%拟合成五次多项式

p10 = polyfit(x1,y1,10);%拟合成十次多项式

y3 = polyval(p3,x0);

y5 = polyval(p5,x0);

y10 = polyfit(p10,x0);

plot(x0,y0,x0,y3,’r’,x0,y5,’m’,x0,y10,’k.’);

legend(‘orig’,’3次’,’5次’,’10次’)

 

 

非多项式拟合

(1)  使用Curve Fit Toolbox函数实现具体类别函数的拟合。可以直接使用cftool，或者使用cftool提供的函数：fitoptions函数；fittype函数；fit函数

(2)  具体使用方法

fitoptions函数：建立或修改拟合选型结构体，主要有以下几类

Normalize，是否归一化，选择off或者on

Exclude，排除某些数据点，可以使用excludedata函数获取该逻辑向量

Weight，权值

Method，拟合方法

 

示例：

options = fitoptions;%返回值是上面四个属性的值

options = fitoptions(‘Method’,’NonlinearLeastSquare’);%设置方法为非线性最小二乘

options.Lower = [-Inf,-Inf,-Inf]%设置最小值是负无穷大

options.Upper = [Inf,Inf,Inf]%设置最大值是正无穷大,这里之所以使用三个参数，是因为1/(1+25x^2)符合a/(b+cx^2)的形式

type = fittype(‘a/(b+c*x^n)’,’problem’,’n’,’options’,options);

[cfun gof] = fit(x1’,y1’,type);

ynp = veval(cfun,x0);

plot(x0,y0,x0,ynp,’r’);

h1=plot(x0,y0,’k’);

set(h1,’LineWidth’,5);

hold on

plot(x0,ynp,’r’);

备注：材料来自21世纪电子论坛经典案例系列教程之多项式与非多项式拟合